Detección temprana de fallas en base a Inteligencia Artificial
Enrique López Droguett
Profesor Titular – Departamento de Ingeniería Civil y Ambiental – UCLA
Sesión disponible en:
RESUMEN DE SESIÓN:
El aprendizaje profundo es una herramienta fundamental en las áreas de confiabilidad, mantenimiento predictivo y gemelos digitales.
En esta sesión Toolbox, se abordarán los conceptos de aprendizaje de máquinas y las razones que justifican su creciente adopción como el enfoque óptimo para gestionar datos multidimensionales provenientes de sensores, caracterizar patrones de degradación y desarrollar soluciones predictivas que garanticen la confiabilidad operativa. Analizarás en detalle los conceptos y la metodología de desarrollo de modelos basados en aprendizaje de máquinas, aplicándolos a un caso práctico: el diagnóstico y pronóstico de fallas en un compresor de recuperación de vapor de hidrocarburos en una plataforma offshore de producción de petróleo y gas. Para ello, se utilizará DataBruin, un entorno de programación gráfica basado en web y de acceso abierto, diseñado para el preprocesamiento de datos de monitoreo multisensor y el desarrollo de modelos predictivos mediante una interfaz intuitiva basada en diagramas de flujo y bloques de arrastrar y soltar. Se presentará una guía estructurada para la creación de prototipos de modelos de gestión de salud y pronóstico de fallas (PHM), asegurando un desarrollo eficiente y libre de errores.
